中国社会科学网讯（记者 李永杰 通讯员 仲伟合 王立非）数据是新型生产要素，高质量数据标注是人工智能模型训练的核心支撑。6月7日，在澳门举办的2025年粤港澳大湾区中外语言服务创新峰会上，澳门中西创新学院与北京语言大学联合发布《粤港澳语言数据标注产业发展白皮书（2025）》（以下简称白皮书），首次公布全球、我国及粤港澳大湾区的语言数据标注产业发展现状。

图为白皮书 通讯员供图

　　白皮书显示，从全球与中国产业格局来看，2023年全球数据标注市场规模达140.7亿美元，美国以30%份额居首，形成“专业公司+众包平台+标准组织”的完整生态。同年中国市场规模约80亿元，以北京、广东为核心区域。粤港澳大湾区凭借多语言文化环境、密集科技企业集群及“数字湾区”“数据特区”等政策优势，构建起“国家顶层设计—区域协同—跨境合作”政策体系，成为语言数据标注产业重要集聚地。 2024年，大湾区语言数据标注产值44.02亿元，占区域数据标注产业69.9%，广深双核聚集88%的企业，形成“综合型企业主导、专业化企业补充”的格局。

　　白皮书在产业发展现状的分析显示，截至2024年，大湾区有3775家语言数据标注相关企业，实现产值44.02亿元，拥有从业人员1.28万人。其中，含语言数据标注的企业占94.9%，贡献85.8%产值；纯语言数据标注企业虽仅有52家，但标注精度高；外资语言数据标注企业占比3.7%，市场参与度有限。企业规模集中在100万—5000万元区间，呈现“纺锤形”分布，市场集中度中等。空间上，大湾区形成“广深双核+次级节点”结构，深圳、广州聚集88.24%的企业，贡献95.47%的产值。珠海、佛山等为次级节点，港澳特区虽直接参与有限，但可在跨语言数据标注标中发挥作用，且区域空间集聚度高，部分区域已形成“算法—数据—应用”生态闭环。产业链涵盖数据采集、工具研发、标注执行、质检交付，存在专业外包、众包平台、企业自建三种模式，与数字经济、人工智能、新质生产力高度协同，数据标注产业规模每增加10%，数字经济指数、人工智能企业数、新质生产力水平分别增长0.30%、8.96%和0.24%，对区域经济驱动作用显著。

　　白皮书在技术创新力与标准体系建设方面显示，自2015年起我国语言数据标注专利申请量快速增长，截止2024年，超过800件，大湾区专利申请量位居全国第二，腾讯、平安等企业在智能标注工具、质量控制算法上领先，但基础理论创新不足。AI辅助标注、联邦学习标注等技术广泛应用，“机器预标+人工精修”模式使效率提升50%以上。国家初步建立“国标—行标—团标” 体系，大湾区试点跨境数据流通标准，推动多模态标注、质量评估等区域规范，通过多级质检、标准化流程保障数据质量管理，强化隐私脱敏、众包权益保护等伦理措施，探索联邦学习等技术防止数据泄露。

　　白皮书在语言数据人才供需状况的分析显示，大湾区语言数据标注岗位以基础标注为主，通用标注员占比68.18%，AI训练师（15.13%）、大模型标注（3.34%）等新兴岗位逐渐崛起。岗位主要集中在广深，占比64.4%，薪资多在6000—20000元/月不等，高技能岗位稀缺。企业以中小微为主，64.4%的企业员工不足500人，外包现象普遍。全国语言数据标注人才缺口超100万人，大湾区面临“低端过剩、高端短缺”问题，亟待完善职业技能标准，推动产教融合，设立技能竞赛，保障从业者权益，构建 “初级标注员—高级训练师” 晋升通道。

　　粤港澳大湾区语言数据标注产业虽已具备规模与集群优势，但仍存在企业规模小、区域发展失衡、技术瓶颈等问题。为此，白皮书建议加强区域协同，打造世界级数据标注产业集群；培育数据标注龙头企业，建设产业园区；攻关智能标注技术，参与国际标准制定；健全语言数据标注人才培养与保障体系；强化数据治理与行业自律。通过政策、技术、人才协同发力，推动产业向 “规范化、智能化、高质量” 转型，为我国人工智能发展提供核心支撑。

　　白皮书由澳门中西创新学院校长仲伟合学术指导，北京语言大学外国语学部教授王立非带领两校研究团队编写。专家表示，白皮书为构建数字经济时代语言资源战略提供参考，为粤港澳大湾区打造数据要素集聚发展高地、抢抓人工智能发展战略机遇提供依据，也为业界把握数据标注市场机遇、为学界深化语言数据研究提供指南。